Git Stars Git Stars

#differential-privacy Dépôts

Découvrez 15 dépôts GitHub open source actifs associés à #differential-privacy, cumulant 26,772 étoiles au total (soit une moyenne de 1,784 étoiles par projet). Le projet en tête de ce thème est interpretml/interpret, avec 6,986 étoiles.

15
Total des Dépôts
26,772
Nombre total d'étoiles
1,784
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Go C++ Java
1
interpretml/interpret

Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-05-03
2
google/differential-privacy

Bibliothèques de confidentialité différentielle de Google.

google
⭐ 3,378 Go 👤 google Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-09-04
3
secretflow/secretflow

Un cadre unifié pour l'analyse de données et l'apprentissage automatique préservant la vie privée

secretflow
⭐ 2,718 Python 👤 secretflow Organization 🕐 Mis à jour 2026-04-24 📅 Créé 2022-04-15
4
TsingZ0/PFLlib

Maîtrisez l'apprentissage fédéré en 2 heures – Exécutez-le sur votre PC !

TsingZ0
⭐ 2,185 Python 👤 TsingZ0 User 🕐 Mis à jour 2026-01-25 📅 Créé 2020-09-02
5
innovation-cat/Awesome-Federated-Machine-Learning

Tout sur l'apprentissage fédéré, y compris les articles de recherche, les livres, les codes, les didacticiels, les vidéos et au-delà

innovation-cat
⭐ 2,047 👤 innovation-cat User 🕐 Mis à jour 2024-05-30 📅 Créé 2019-10-19
6
meta-pytorch/opacus

Entraînement de modèles PyTorch avec confidentialité différentielle

meta-pytorch
⭐ 1,969 Python 👤 meta-pytorch Organization 🕐 Mis à jour 2026-09-24 📅 Créé 2019-12-07
7
GreenmaskIO/greenmask

Anonymisation de la base de données et gestion des données de test

GreenmaskIO
⭐ 1,809 Go 👤 GreenmaskIO Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-12-01
8
IBM/differential-privacy-library

Diffprivlib : La bibliothèque IBM de confidentialité différentielle

IBM
⭐ 920 Python 👤 IBM Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-06-18
9
mostly-ai/mostlyai

SDK de données synthétiques ✨

mostly-ai
⭐ 805 Python 👤 mostly-ai Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2023-12-22
10
google-research/federated

Une collection de projets de recherche Google liés à l'apprentissage fédéré et aux analyses fédérées.

google-research
⭐ 765 Python 👤 google-research Organization 🕐 Mis à jour 2026-03-25 📅 Créé 2020-09-14
11
BUAA-BDA/OpenHuFu

OpenHuFu est un système open-source de fédération de données pour prendre en charge les requêtes collaboratives sur plusieurs bases de données avec une garantie de sécurité.

BUAA-BDA
⭐ 733 Java 👤 BUAA-BDA Organization 🕐 Mis à jour 2026-07-23 📅 Créé 2021-07-29
12
KarhouTam/FL-bench

Benchmark de l'apprentissage fédéré. Dédié à la communauté. 🤗

KarhouTam
⭐ 700 Python 👤 KarhouTam User 🕐 Mis à jour 2026-11-06 📅 Créé 2023-01-25
13
gretelai/gretel-synthetics

Générateurs de données synthétiques pour textes structurés et non structurés, avec apprentissage différentiellement privé.

gretelai
⭐ 671 Python 👤 gretelai Organization 🕐 Mis à jour 2025-06-24 📅 Créé 2020-03-02
14
OpenMined/PyDP

La bibliothèque Python pour la confidentialité différentielle. Construite sur: https://github.com/google/differential-privacy

OpenMined
⭐ 550 Python 👤 OpenMined Organization 🕐 Mis à jour 2026-05-11 📅 Créé 2019-09-15
15
IBM/federated-learning-lib

Une bibliothèque pour l'apprentissage fédéré (un processus d'apprentissage automatique distribué) dans un environnement d'entreprise.

IBM
⭐ 537 Python 👤 IBM Organization 🕐 Mis à jour 2025-09-17 📅 Créé 2020-06-19

Foire aux questions

1

Quel est le dépôt #differential-privacy le plus populaire sur GitHub ?

Le projet #differential-privacy open source le mieux classé sur GitHub est interpretml/interpret, avec 6,986 étoiles. Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #differential-privacy ?

Parmi les projets #differential-privacy les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, C++, Java.

3

Comment le classement des dépôts #differential-privacy est-il calculé ?

Nous suivons 15 dépôts open source actifs associés à #differential-privacy (500+ étoiles), totalisant 26,772 étoiles, avec une moyenne de 1,784 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.